Deep Mind Demis Hassabis e o futuro da IA

Demis Hassabis é o CEO e cofundador da DeepMind e teve uma ótima conversa com Lex Fridman sobre IA.

DeepMind venceu os melhores jogadores humanos com Go e também criou a melhor IA para xadrez. A DeepMind também criou o AlphaFold 2, que resolveu o enovelamento de proteínas.

Como a matemática avançada e o cálculo foram fundamentais para o progresso da Física, parece que a IA será capaz de acelerar o avanço da ciência da Biologia.

Abaixo, um artigo na Nature descreve o impacto e as limitações atuais do Alphafold 2. O Alphafold 2 e os pesquisadores precisarão trabalhar juntos para testar mais proteínas e gerar mais dados. Mais dados ajudarão a melhorar o Alphafold 2 e sua precisão preditiva.

Ainda há trabalho a fazer, mas isto está a melhorar a descoberta de medicamentos utilizando proteínas e pode ajudar a resolver cinco grandes desafios que são possíveis com proteínas concebidas.

Parece que o software DeepMind é muito poderoso como ferramenta para áreas com grandes quantidades de dados e complexidade.

Eles também foram capazes de usá-lo para prever como ajustar os campos magnéticos para conter plasma para fusão nuclear.

Acima – Uma visão de cima para baixo do complexo de poros nucleares humanos, a maior máquina molecular das células humanas. Crédito: Agnieszka Obarska-Kosinska

Natureza – O que vem por aí para AlphaFold e a revolução do dobramento de proteínas por IA.

O software DeepMind que pode prever a forma 3D das proteínas já está mudando a biologia.

Durante mais de uma década, o biólogo molecular Martin Beck e os seus colegas têm tentado montar um dos puzzles mais difíceis do mundo: um modelo detalhado da maior máquina molecular das células humanas.

Esse gigante, chamado complexo de poros nucleares, controla o fluxo de moléculas para dentro e para fora do núcleo da célula, onde fica o genoma. Centenas desses complexos existem em cada célula. Cada um é composto por mais de 1,000 proteínas que juntas formam anéis ao redor de um buraco na membrana nuclear.

Essas 1,000 peças do quebra-cabeça são extraídas de mais de 30 blocos de construção de proteínas que se entrelaçam de inúmeras maneiras. Para tornar o quebra-cabeça ainda mais difícil, as formas 3D determinadas experimentalmente desses blocos de construção são uma mistura de estruturas coletadas de muitas espécies, por isso nem sempre combinam bem. E a imagem na caixa do quebra-cabeça – uma visão 3D de baixa resolução do complexo de poros nucleares – carece de detalhes suficientes para saber quantas peças se encaixam com precisão.

Em julho de 2021, a DeepMind, parte da Alphabet – empresa controladora do Google – tornou pública uma ferramenta de inteligência artificial (IA) chamada AlphaFold2. O software poderia prever a forma 3D das proteínas a partir de sua sequência genética com, em sua maior parte, grande precisão.

Em alguns casos, a IA economizou tempo dos cientistas; em outros, tornou possível pesquisas que antes eram inconcebíveis ou totalmente impraticáveis. Tem limitações e alguns cientistas consideram as suas previsões pouco fiáveis ​​para o seu trabalho. Mas o ritmo da experimentação é frenético.

Em 15 de julho de 2021, artigos descrevendo RoseTTAFold e AlphaFold2 apareceram2, juntamente com código-fonte aberto disponível gratuitamente e outras informações necessárias para que especialistas executem suas próprias versões das ferramentas. Uma semana depois, a DeepMind anunciou que tinha usado o AlphaFold para prever a estrutura de quase todas as proteínas produzidas pelos seres humanos, bem como todos os “proteomas” de 20 outros organismos amplamente estudados, como ratos e a bactéria Escherichia coli – mais de 365,000. estruturas no total.

Este ano, a DeepMind planeja lançar um total de mais de 100 milhões de previsões de estruturas. Isso é quase metade de todas as proteínas conhecidas – e centenas de vezes mais do que o número de proteínas determinadas experimentalmente no repositório de estruturas do Protein Data Bank (PDB).